买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜福州大学申请的专利一种基于感知数据驱动的视频质量评测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115941938B 。

龙图腾网通过国家知识产权局官网在2025-06-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211721536.3，技术领域涉及：H04N17/00；该发明授权一种基于感知数据驱动的视频质量评测方法及系统是由林丽群;何嘉晨;王郑;魏广鹏;赵铁松设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本一种基于感知数据驱动的视频质量评测方法及系统在说明书摘要公布了：本发明涉及一种基于感知数据驱动的视频质量评测方法，包括如下步骤：步骤S1、构建基于半自动标记的压缩视频数据库；步骤S2、考虑视频视觉显著性的时空特征，构建感知数据驱动的压缩视频质量评价模型，并通过压缩视频数据库进行训练；步骤S3、利用得到的压缩视频质量评价模型对输入的压缩视频进行质量评测。该方法及系统有利于提高在预测压缩视频质量方面的性能。

本发明授权一种基于感知数据驱动的视频质量评测方法及系统在权利要求书中公布了：1.一种基于感知数据驱动的视频质量评测方法，其特征在于，包括如下步骤：步骤S1、构建基于半自动标记的压缩视频数据库；步骤S2、考虑视频视觉显著性的时空特征，构建感知数据驱动的压缩视频质量评价模型，并通过压缩视频数据库进行训练；步骤S3、利用得到的压缩视频质量评价模型对输入的压缩视频进行质量评测；所述步骤S2具体实现如下：步骤S21、数据预处理；首先，以每半秒为单位进行子序列截取，即隔每半秒提取连续16帧作为子序列；然后，利用DSS网络对每一个子序列进行显著性检测；将每一个子序列的显著性区域按照224×224的大小切割为小立方体，并舍弃显著性区域占比低于50％的小立方体；步骤S22、特征提取；使用I3D网络作为特征提取器提取特征，将I3D网络中的最后两个InceptionModule之后嵌入通道注意力模块，引入Losscube作为改进的I3D网络的训练损失，网络学习率设置为0.001，共训练300轮；同时利用混合池化增强特征，经过I3D网络后，每个小立方体获得一个1×1024维的特征向量，通过混合池化方法得到特征；定义如下：Favg＝AvgPoolF；shape＝1；1024Fmax＝MaxPoolF；shape＝1；1024Fseq＝Favg；Fmax；shape＝1；2048其中，Favg和Fmax分别是按照特征图F的第一维度执行均值池化、最大值池化的结果；接着，将两个特征向量直接拼接成一个更具代表性的特征向量Fseq；Losscube定义如下： 其中，QCpredi代表模型预测第i个立方体的分数，QClabeli代表第i个立方体的主观感知分数，N表示输入立方体的数量；步骤S23、质量回归；使用Transformer中的Encoder学习语义信息，通过全连接层实现时空特征回归，得到视频的感知质量分数；对于TransformerEncoder，由6个结构相同的EncoderLayers组成，每个EncoderLayers包含一个Self-Attention层和一个前馈神经网络；Self-Attention层是Transformer中的核心，用于学习不同时刻的语义信息对视频质量的贡献程度，并合理分配权重，同时引入LossTransformer作为Transformer网络的训练损失，网络参数设置与上面的网络保持一致；计算方式为： 其中，是为了将矩阵方差归一化，从而使Transformer在训练过程中的梯度值保持稳定；X代表输入特征矩阵，A、B和C分别是输入特征矩阵线性变化后的结果；LossTransformer定义如下： 其中，Qpredi表示第i个视频的预测分数，Qlabeli表示第i个视频的主观感知分数，M代表输入视频的数量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。